نظر علمی و دریافت مقالات یا شرکت کنندگان جنبه کشوری داشته و برگزار کنندگان آن حداقل در سطح منطقه ای فعالیت نموده و یا نتایج آن در سطح ملی قابل ارائه شده باشد ، ملی خواهد بود.
نکته قابل ذکر این است که ارزش و اعتبار همایشهای بین المللی بیشتر از همایشهای ملی است
نکته قابل ذکر این است که ارزش و اعتبار همایشهای بین المللی بیشتر از همایشهای ملی است
کدام آزمون آماری را انتخاب کنیم؟
یکی از مشکلات پژوهشگران در انجام پژوهشهای مختلف، انتخاب روش تحلبل آماری مناسب برای بررسی سوالات یا فرضیات تحقیق می باشد. جهت انتخاب آزمون آماری مناسب، توجه به نوع داده ها و وبژگیهای نمونه آماری و نوع تحلیل لازم و ضروری است، همچنین آگاهی از تفاوت میان مقیاسهای اندازه گیری و انواع آزمونهای پارامتریک و ناپارامترک نیز ضروری است.
مقیاس های اندازه گیری
قبل از هر گونه تجزیه و تحلیل آماری لازم است که مقیاس اندازه گیری متغیرهای مورد نظر را مشخص نماییم.
انواع مقیاس اندازه گیری عبارتند از ، اسمی ، ترتیبی ، فاصله ای و نسبی که توضیح هر کدام به شرح زیر است :
مقیاس اسمی : متغیرهایی هستند که جنبه کیفی یک صفت را در نظر گرفته. بدین معنا که کدهایی که به پاسخ اختصاص داده می شوند اولویتی بر یکدیگر ندارند.
مثال : متغیر نوع رنگ : سفید: ۱ ، سیاه : ۲ ، زرد : ۳
مثال : جنسیت : خانم :۱ ، آقا : ۲
مقیاس ترتیبی : متغیرهایی هستند که در آنها ، مقادیر مختلف نمراتی که به پاسخ ها اختصاص داده می شوند بیان شدت و ضعف آن صفت می باشد.
مثال : متغیر میزان رضایت : ۱ : ناراضی ، ۲: متوسط ، ۳: راضی
مقیاس فاصله ای : متغیرهایی هستند با درجات مساوی که امکان اندازه گیری یک متغیر را به ما می دهند.
مثال : متغیرهای سن ، میزان ، میزان درآمد.
مقیاس نستبی : براندازه گیری متغیرهایی که مبدا سنجش آنها صفر مطلق است.
مثال : متغیر دمای آب
آزمون های آماری پارامتریک و ناپارامتریک
آمار پارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار پارامتریک قرار می گیرد. آمار پارامتریک مستلزم پیش فرضهائی در مورد جامعه ای که از آن نمونه گیری صورت گرفته می باشد. به عنوان مهمترین پیش فرض در آمار پارامترک فرض می شود که توزیع جامعه نرمال است اما آمار ناپارامتریک مستلزم هیچگونه فرضی در مورد توزیع نیست. به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاس های کیفی سنجیده شده و فاقد توزیع (Free of distribution) هستند از شاخصهای آمارا ناپارامتریک استفاده می کنند.
فنون آمار پارامتریک شدیداً تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است. اگر متغیرها از نوع اسمی و ترتیبی بوده حتما از روشهای ناپارامتریک استفاده می شود. اگر متغیرها از نوع فاصله ای و نسبی باشند در صورتیکه فرض شود توزیع آماری جامعه نرمال یا بهنجار است از روشهای پارامتریک استفاده می شود در غیراینصورت از روشهای ناپارامتریک استفاده می شود.
ما در این قسمت مقاله ای را برای شما قرار داده ایم که می توانید با دانلود و استفاده از این مقاله، به راحتی نوع آزمون مورد نیاز خود را تشخیص داده و از آن استفاده کنید:
یکی از مشکلات پژوهشگران در انجام پژوهشهای مختلف، انتخاب روش تحلبل آماری مناسب برای بررسی سوالات یا فرضیات تحقیق می باشد. جهت انتخاب آزمون آماری مناسب، توجه به نوع داده ها و وبژگیهای نمونه آماری و نوع تحلیل لازم و ضروری است، همچنین آگاهی از تفاوت میان مقیاسهای اندازه گیری و انواع آزمونهای پارامتریک و ناپارامترک نیز ضروری است.
مقیاس های اندازه گیری
قبل از هر گونه تجزیه و تحلیل آماری لازم است که مقیاس اندازه گیری متغیرهای مورد نظر را مشخص نماییم.
انواع مقیاس اندازه گیری عبارتند از ، اسمی ، ترتیبی ، فاصله ای و نسبی که توضیح هر کدام به شرح زیر است :
مقیاس اسمی : متغیرهایی هستند که جنبه کیفی یک صفت را در نظر گرفته. بدین معنا که کدهایی که به پاسخ اختصاص داده می شوند اولویتی بر یکدیگر ندارند.
مثال : متغیر نوع رنگ : سفید: ۱ ، سیاه : ۲ ، زرد : ۳
مثال : جنسیت : خانم :۱ ، آقا : ۲
مقیاس ترتیبی : متغیرهایی هستند که در آنها ، مقادیر مختلف نمراتی که به پاسخ ها اختصاص داده می شوند بیان شدت و ضعف آن صفت می باشد.
مثال : متغیر میزان رضایت : ۱ : ناراضی ، ۲: متوسط ، ۳: راضی
مقیاس فاصله ای : متغیرهایی هستند با درجات مساوی که امکان اندازه گیری یک متغیر را به ما می دهند.
مثال : متغیرهای سن ، میزان ، میزان درآمد.
مقیاس نستبی : براندازه گیری متغیرهایی که مبدا سنجش آنها صفر مطلق است.
مثال : متغیر دمای آب
آزمون های آماری پارامتریک و ناپارامتریک
آمار پارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار پارامتریک قرار می گیرد. آمار پارامتریک مستلزم پیش فرضهائی در مورد جامعه ای که از آن نمونه گیری صورت گرفته می باشد. به عنوان مهمترین پیش فرض در آمار پارامترک فرض می شود که توزیع جامعه نرمال است اما آمار ناپارامتریک مستلزم هیچگونه فرضی در مورد توزیع نیست. به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاس های کیفی سنجیده شده و فاقد توزیع (Free of distribution) هستند از شاخصهای آمارا ناپارامتریک استفاده می کنند.
فنون آمار پارامتریک شدیداً تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است. اگر متغیرها از نوع اسمی و ترتیبی بوده حتما از روشهای ناپارامتریک استفاده می شود. اگر متغیرها از نوع فاصله ای و نسبی باشند در صورتیکه فرض شود توزیع آماری جامعه نرمال یا بهنجار است از روشهای پارامتریک استفاده می شود در غیراینصورت از روشهای ناپارامتریک استفاده می شود.
ما در این قسمت مقاله ای را برای شما قرار داده ایم که می توانید با دانلود و استفاده از این مقاله، به راحتی نوع آزمون مورد نیاز خود را تشخیص داده و از آن استفاده کنید:
آزمونهای آماری-قسمت اول
ما در این بخش قصد داریم مطالبی را در مورد انواع آزمونهای آماری و موارد استفاده ی آنها را در سایت خود قرار دهیم که به شما کاربران و دانشجویان عزیز کمک کند تا در کارهای پژوهشی خود بتوانید آزمون آماری مناسب با کار خود را تشخیص داده و به نحو احسن از آنها استفاده کنید. به همین منظور ابتدا بایستی با انواع مقیاسهای اندازه گیری آشنا شوید تا بتوانید تشخیص دهید برای داده های شما چه نوع آزمونی مناسبتر است. سپس با انواع آزمونهای آماری آشنا خواهیم شد.
انواع مقیاسهای اندازه گیری (Measurement Scales)
۱-مقیاس اسمی (Nominal Scale): این مقیاس شامل یک یا جند گروه با طبقه است که از نظر کیفی با هم متفاوتند اما بین گروهها هیچگونه ارجحیتی وجود ندارد. به عبارت دیگر ویژگیها صرفاً در مقولهها ردهبندی میشوند بیآنکه هیچ رابطه ریاضی بین مقولهها ضرورت داشته باشند. ممکن است برای هر گروه یا طبقه شماره ای در نظر گرفته شود که ارزش ندارد بلکه جنبه” کد” یا شناسائی دارند. برای مقیاس اسمی می توان به موارد زیر اشاره کرد:
متغیر جنس : ۱- مرد ۲- زن
متغیر وضعیت تاهل: ۱- مجرد ۲- متاهل ۳-مطلقه ۴- بیوه
متغیر نوع معلولیت : ۱- جسم ۲- ذهنی ۳- روانی ۴- حسی
۲-مقیاس ترتیبی یا رتبه ای (Ordinal Scale): این مقیاس نسبت به مقیاس اسمی خصوصیت اضافه ای دارد که در بین گروهها از نظر متغیر مورد نظر برتری وجود دارد اما این برتری قابل سنجش و مقایسه با سایر گروهها نیست؛ گروهها هم یکسان نیستند بلکه گروهها نسبت به هم روی پله های یک نردبان قرار گرفته اند، به عبارت دیگر در مقیاس رتبه ای نه تنها تفاوت کیفی متغیر ها مشخص می شود( مانند مقیاس اسمی) بلکه برتری و یا کمتری مقدار و درجه ی، صفت مورد بررسی نیز نشان داده می شود. بدین معنا که افراد مورد مطالعه از نظر صفت مورد نظر، از بیشترین تا کمترین مقدار آن صفت درجه بندی و مرتبه هر فرد نسبت به دیگران مشخص می شود. این مقیاس نه تنها می تواند تفاوت میان مقوله ها رامشخص کند، بلکه ترتیب تفاوت ارجحیت هر مقوله را از نظر پاسخگویان مشخص می سازد.اما به هر حال مقیاس ترتیبی قادر به تعیین مقدار تفاوت بین رتبه های داده شده نیست. برای مقیاس ترتیبی میتوان به مثالهای زیر اشاره کرد:
متغیر تحصیلات : ۱- دیپلم ۲- فوق دیپلم ۳- لیسانس ۴- فوق لیسانس ۵- دکتری
متغیر میزان ناتوانی : ۱- جزئی ۲- کم ۳- متوسط ۴- زیاد ۵- شدید
متغیر میزان رضایت : ۱- ناراضی ۲- متوسط ۳- راضی
۳-مقیاس فاصله ای (Interval Scale): در این مقیاس فاصله بین گروهها با هم مساوی در نظر گرفته شده است. اما صفر در این مقیاس فقدان خاصیت مورد نظر اندازه گیری نیست. اختلاف مساوی بین هرجفت از اعداد نمایانگر اختلاف مشابه در خصوصیت مورد اندازه گیری است. این مقیاس از مقیاس های قبلی کامل تر است. در این نوع اندازه گیری، نه تنها افراد از نظر صفت مورد مطالعه طبقه بندی می شوند و رتبه هر فرد تعیین می شود بلکه تفاوت هر فرد از افراد دیگر را نیز می توان تعیین کرد. این مقیاس به ما اجازه می دهد تا میانگین و انحراف معیار پاسخ های مرتبط با متغیر های مختلف را محاسبه کنیم. به عبارت دیگر این مقیاس نه تنها قادر است افراد را با توجه به خصوصیت مشخصی گروه بندی کند و رتبه ها را درون گروه های مشخص سازد، بلکه قادر است مقدار این تفاوت را اندازه گیری و تفاوت بین اشخاص را مشخص سازد. برای مثال میتوان به سوالاتی که از طریق لیکرت پاسخ داده می شوند اشاره کرد؛ مثل:
۱-کاملا مخالفم ۲- مخالفم ۳- نظری ندارم ۴- موافقم ۵- کاملا موافقم
یا متغیرهای سن، میزان درآمد، نمره دانش آموزان در یک درس
۴-مقیاس نسبی (Ratio Scale): مقیاس نسبی دقیق ترین مقیاس اندازه گیری است. خصوصیات ممتاز مقیاس نسبی داشتن نقطه ای دقیق برای شروع است که آن را صفر مطلق می نامیم. صفر مطلق مقیاسی معنادار در یک مقیاس اندازه گیری است. این مقیاس قوی ترین مقیاس اندازه گیری بین چهار مقیاس موجود است. در این مقیاس خصوصیت اضافی آن است که صفر دلیلی برای فقدان خاصیت مورد اندازه گیری است و در نتیجه نسبت بین اعداد در این مقیاس همان نسبت مقدار خاصیت مورد اندازه گیری است. مثلاً در اندازهگیری سالهای خدمت کارکنان، میتوان فردی یافت که تازه استخدام باشد و سابقه خدمتش صفر باشد. همچنین، میتوان نسبت سابقه خدمت دو نفر که یکی دارای سابقه خدمت ۱۰ سال و دیگری ۵ سال است را حساب کرد. دراین مثال، نفر اول سابقه خدمتش دو برابر نفر دوم است و نسبت سابقهشان ۲ میباشد که مساوی نسبت سابقه خدمت دو نفر دیگر از کارکنان است که سابقه خدمت آنان بهترتیب ۶ سال و ۳ سال میباشد. به عبارت دیگر مقیاس نسبتی علاوه بر دارا بودن ویژگیهای مقیاس فاصلهای دارای مبدأ واقعی( صفر مطلق) نیز میباشد.
برای مقیاس نسبی یا نسبتی میتوان به موارد زیر اشاره کرد:
متغیر دمای آب، میزان قد، میزان وزن، میزان کل
ما در این بخش قصد داریم مطالبی را در مورد انواع آزمونهای آماری و موارد استفاده ی آنها را در سایت خود قرار دهیم که به شما کاربران و دانشجویان عزیز کمک کند تا در کارهای پژوهشی خود بتوانید آزمون آماری مناسب با کار خود را تشخیص داده و به نحو احسن از آنها استفاده کنید. به همین منظور ابتدا بایستی با انواع مقیاسهای اندازه گیری آشنا شوید تا بتوانید تشخیص دهید برای داده های شما چه نوع آزمونی مناسبتر است. سپس با انواع آزمونهای آماری آشنا خواهیم شد.
انواع مقیاسهای اندازه گیری (Measurement Scales)
۱-مقیاس اسمی (Nominal Scale): این مقیاس شامل یک یا جند گروه با طبقه است که از نظر کیفی با هم متفاوتند اما بین گروهها هیچگونه ارجحیتی وجود ندارد. به عبارت دیگر ویژگیها صرفاً در مقولهها ردهبندی میشوند بیآنکه هیچ رابطه ریاضی بین مقولهها ضرورت داشته باشند. ممکن است برای هر گروه یا طبقه شماره ای در نظر گرفته شود که ارزش ندارد بلکه جنبه” کد” یا شناسائی دارند. برای مقیاس اسمی می توان به موارد زیر اشاره کرد:
متغیر جنس : ۱- مرد ۲- زن
متغیر وضعیت تاهل: ۱- مجرد ۲- متاهل ۳-مطلقه ۴- بیوه
متغیر نوع معلولیت : ۱- جسم ۲- ذهنی ۳- روانی ۴- حسی
۲-مقیاس ترتیبی یا رتبه ای (Ordinal Scale): این مقیاس نسبت به مقیاس اسمی خصوصیت اضافه ای دارد که در بین گروهها از نظر متغیر مورد نظر برتری وجود دارد اما این برتری قابل سنجش و مقایسه با سایر گروهها نیست؛ گروهها هم یکسان نیستند بلکه گروهها نسبت به هم روی پله های یک نردبان قرار گرفته اند، به عبارت دیگر در مقیاس رتبه ای نه تنها تفاوت کیفی متغیر ها مشخص می شود( مانند مقیاس اسمی) بلکه برتری و یا کمتری مقدار و درجه ی، صفت مورد بررسی نیز نشان داده می شود. بدین معنا که افراد مورد مطالعه از نظر صفت مورد نظر، از بیشترین تا کمترین مقدار آن صفت درجه بندی و مرتبه هر فرد نسبت به دیگران مشخص می شود. این مقیاس نه تنها می تواند تفاوت میان مقوله ها رامشخص کند، بلکه ترتیب تفاوت ارجحیت هر مقوله را از نظر پاسخگویان مشخص می سازد.اما به هر حال مقیاس ترتیبی قادر به تعیین مقدار تفاوت بین رتبه های داده شده نیست. برای مقیاس ترتیبی میتوان به مثالهای زیر اشاره کرد:
متغیر تحصیلات : ۱- دیپلم ۲- فوق دیپلم ۳- لیسانس ۴- فوق لیسانس ۵- دکتری
متغیر میزان ناتوانی : ۱- جزئی ۲- کم ۳- متوسط ۴- زیاد ۵- شدید
متغیر میزان رضایت : ۱- ناراضی ۲- متوسط ۳- راضی
۳-مقیاس فاصله ای (Interval Scale): در این مقیاس فاصله بین گروهها با هم مساوی در نظر گرفته شده است. اما صفر در این مقیاس فقدان خاصیت مورد نظر اندازه گیری نیست. اختلاف مساوی بین هرجفت از اعداد نمایانگر اختلاف مشابه در خصوصیت مورد اندازه گیری است. این مقیاس از مقیاس های قبلی کامل تر است. در این نوع اندازه گیری، نه تنها افراد از نظر صفت مورد مطالعه طبقه بندی می شوند و رتبه هر فرد تعیین می شود بلکه تفاوت هر فرد از افراد دیگر را نیز می توان تعیین کرد. این مقیاس به ما اجازه می دهد تا میانگین و انحراف معیار پاسخ های مرتبط با متغیر های مختلف را محاسبه کنیم. به عبارت دیگر این مقیاس نه تنها قادر است افراد را با توجه به خصوصیت مشخصی گروه بندی کند و رتبه ها را درون گروه های مشخص سازد، بلکه قادر است مقدار این تفاوت را اندازه گیری و تفاوت بین اشخاص را مشخص سازد. برای مثال میتوان به سوالاتی که از طریق لیکرت پاسخ داده می شوند اشاره کرد؛ مثل:
۱-کاملا مخالفم ۲- مخالفم ۳- نظری ندارم ۴- موافقم ۵- کاملا موافقم
یا متغیرهای سن، میزان درآمد، نمره دانش آموزان در یک درس
۴-مقیاس نسبی (Ratio Scale): مقیاس نسبی دقیق ترین مقیاس اندازه گیری است. خصوصیات ممتاز مقیاس نسبی داشتن نقطه ای دقیق برای شروع است که آن را صفر مطلق می نامیم. صفر مطلق مقیاسی معنادار در یک مقیاس اندازه گیری است. این مقیاس قوی ترین مقیاس اندازه گیری بین چهار مقیاس موجود است. در این مقیاس خصوصیت اضافی آن است که صفر دلیلی برای فقدان خاصیت مورد اندازه گیری است و در نتیجه نسبت بین اعداد در این مقیاس همان نسبت مقدار خاصیت مورد اندازه گیری است. مثلاً در اندازهگیری سالهای خدمت کارکنان، میتوان فردی یافت که تازه استخدام باشد و سابقه خدمتش صفر باشد. همچنین، میتوان نسبت سابقه خدمت دو نفر که یکی دارای سابقه خدمت ۱۰ سال و دیگری ۵ سال است را حساب کرد. دراین مثال، نفر اول سابقه خدمتش دو برابر نفر دوم است و نسبت سابقهشان ۲ میباشد که مساوی نسبت سابقه خدمت دو نفر دیگر از کارکنان است که سابقه خدمت آنان بهترتیب ۶ سال و ۳ سال میباشد. به عبارت دیگر مقیاس نسبتی علاوه بر دارا بودن ویژگیهای مقیاس فاصلهای دارای مبدأ واقعی( صفر مطلق) نیز میباشد.
برای مقیاس نسبی یا نسبتی میتوان به موارد زیر اشاره کرد:
متغیر دمای آب، میزان قد، میزان وزن، میزان کل
آزمونهای آماری-قسمت دوم
آزمون های آمار استنباطی را میتوان به دو دسته آزمون تقسیم بندی کرد:
آزمون های پارامتریک
آزمون های نا پارامتریک
آزمون پارامتریک، آزمون هایی هستند که برای استفاده از آنها وجود برخی شرایط ضروری است که از جمله مهمترین این شرایط می توان به موارد زیر اشاره کرد:
۱- داده ها دارای توزیع نرمال باشند.
۲- داده ها دارای مقیاس فاصله ای یا نسبی باشند.
۳- نمونه ها واریانس مساوی داشته باشند.
در صورتی که شرایط فوق برقرار نباشد، بایستی از آزمونهای آماری ناپارامتریک استفاده کرد.
انواع آزمونهای پارامتریک
آزمون های پارامتریک، آزمون های استنباطی هستند که توان آماری بالا و قدرت پرداختن به داده های جمع آوری شده در طرح های پیچیده را دارند. آنها بیشتر فرض می گیرند که داده ها توزیع طبیعی داشته و نمونه ها واریانس مساوی دارند. آزمون های استنباطی غیرپارامتری، روندهایی می باشند که فرض های کمی در مورد داده ها و به ویژه توزیع آنها داشته و در مقایسه با روندهای پارامتری از توان کمتری برخوردارند.
به ساده ترین بیان باید گفت که برای سنجش فرضیه هایی که متغیر آن ها کمی است از آمار پارامتریک استفاده می شود. متغیر های کمی به علت کمی بودن و واحد پذیر بودن از این ویژگی برخورد دارند که آنها را میانگین پذیر و انحراف معیار پذیر می کنند و به دلیل همین ویژگی معمولا برای استفاده از آزمون های پارامتریک، پیش فرض هایی لازم است که از آن جمله نرمال بودن توزیع جامعه است زیرا در حالتی که توضیع جامعه نرمال نباشد، میانگین و انحراف معیار، نمایی واقعی از داده ها را به تصویر نمی کشانند. به عنوان مثال فرض کنید، مدیری می خواهد میانگین موجودی حساب های قرض الحسنه یک بانک را محاسبه نماید. چنانچه از مجموع مشتریان بانک چند نفر وجود داشته باشند که موجودی های میلیونی داشته باشند، با این فرض میانگین کل به طور خودکار به سمت بالا میل خواهد کرد و از حالت عادی خود خارج می شود. این مسئله ساده خود را در نرمال بودن جامعه آشکار می کند. در چنین حالتی، چون مبنای تصمیم گیری عموما میانگین و سایر شاخصه های مرتبط با میانگین است با فرض انحراف از توزیع نرمال ، تصمیم گیری ها چهره ای منطقی و واقعی نخواهند داشت . بنابراین نرمال بودن توزیع جامعه یکی از اصلی ترین پیش فرض های استفاده از آمار پارامتریک است. برای سنجش فرضیه ها با متغیر های کیفی، آمار ناپارامتریک استفاده می شود. این آزمون ها، که از آن ها با عنوان «آزمون های بدون پیش فرض» نیز یاد می شود، به هیچ پیش فرض خاصی نیاز ندارد. برای مثال قضاوت درباره جنیسیت افراد با میانگین و انحراف معیار مبتنی نیست، بلکه بیشتر فراوانی هر یک از ردههای آن (مونث / مذکر) مد نظر است. در خصوص تبدیل متغیر ها باید یادآور شد که می توان که متغیر های کمی را به کیفی تبدیل نمود و آنها را با آزمون های ناپارامتریک مورد ارزیابی قرار داد، ولی عکس این عمل امکان پذیر نمی باشد برای مثال ، معدل افراد بر اساس نمره می تواند در آزمون های پارامتریک ارزیابی شود، ولی با تبدیل همین متغیر به مقوله های خوب، متوسط و ضعیف می توان آزمون های ناپارامتریک را هم در مورد آن ها به کار گرفت. شایان ذکر است که سطح دقت در آزمون های آماری پارامتریک از آزمون های آماری ناپارامتریک بیشتر است و معمولا پیشنهاد می شود که در صورتی که استفاده از آزمون های پارامتریک امکان پذیر باشد از آزمون های ناپارامتریک استفاده نشود، باید توجه داشت که بیشتر متغیر ها در علوم رفتار ی به کمک آزمون های ناپارامتریک مورد قضاوت قرار می گیرند.
آزمون های آماری ANOVA، Tمستقل و وابسته، تحلیل کواریانس، ضریب همبستگی پیرسون، از جمله آزمونهای آماری پارامتریک هستندکه شهرت بیشتری داشته و مورد استفاده بیشتری دارند. زیرا فرضیههای مربوط به پارامتر جامعه را آزمایش میکنند. آزمونهای پارامتری را میتوان مؤثرترین آزمونها دانست ، اما شرط استفاده از این آزمونها آن است که پیش فرضهای اساسی آنها مراعات شود. این پیش فرضها بر چگونگی توزیع جامعه و بر روش استفاده از مقیاسی که برای بهکمیت در آوردن دادهها بهکار میرود ، مبتنی است.
هر یک از موارد مشاهده شده مستقل است. انتخاب یک مورد به انتخاب هیچ مورد دیگر وابسته نیست.
واریانس نمونه برابر یا تقریباً برابر است. این مطلب هنگامی که حجم نمونه کم باشد از اهمیت خاصی برخوردار است.
توصیف متغیرها براساس مقیاس فاصلهای یا نسبی انجام میگیرد.
خلاصه آزمون های پارامتریک
آزمون T به منظور تفاوت معناداری بین دو میانگین به کار می رود. آزمون T انواع مختلفی دارد که در ادامه به معرفی مختصر هر کدام می پردازیم:
آزمون T تک نمونه :
آزمونT تک نمونه ای زمانی م
آزمون های آمار استنباطی را میتوان به دو دسته آزمون تقسیم بندی کرد:
آزمون های پارامتریک
آزمون های نا پارامتریک
آزمون پارامتریک، آزمون هایی هستند که برای استفاده از آنها وجود برخی شرایط ضروری است که از جمله مهمترین این شرایط می توان به موارد زیر اشاره کرد:
۱- داده ها دارای توزیع نرمال باشند.
۲- داده ها دارای مقیاس فاصله ای یا نسبی باشند.
۳- نمونه ها واریانس مساوی داشته باشند.
در صورتی که شرایط فوق برقرار نباشد، بایستی از آزمونهای آماری ناپارامتریک استفاده کرد.
انواع آزمونهای پارامتریک
آزمون های پارامتریک، آزمون های استنباطی هستند که توان آماری بالا و قدرت پرداختن به داده های جمع آوری شده در طرح های پیچیده را دارند. آنها بیشتر فرض می گیرند که داده ها توزیع طبیعی داشته و نمونه ها واریانس مساوی دارند. آزمون های استنباطی غیرپارامتری، روندهایی می باشند که فرض های کمی در مورد داده ها و به ویژه توزیع آنها داشته و در مقایسه با روندهای پارامتری از توان کمتری برخوردارند.
به ساده ترین بیان باید گفت که برای سنجش فرضیه هایی که متغیر آن ها کمی است از آمار پارامتریک استفاده می شود. متغیر های کمی به علت کمی بودن و واحد پذیر بودن از این ویژگی برخورد دارند که آنها را میانگین پذیر و انحراف معیار پذیر می کنند و به دلیل همین ویژگی معمولا برای استفاده از آزمون های پارامتریک، پیش فرض هایی لازم است که از آن جمله نرمال بودن توزیع جامعه است زیرا در حالتی که توضیع جامعه نرمال نباشد، میانگین و انحراف معیار، نمایی واقعی از داده ها را به تصویر نمی کشانند. به عنوان مثال فرض کنید، مدیری می خواهد میانگین موجودی حساب های قرض الحسنه یک بانک را محاسبه نماید. چنانچه از مجموع مشتریان بانک چند نفر وجود داشته باشند که موجودی های میلیونی داشته باشند، با این فرض میانگین کل به طور خودکار به سمت بالا میل خواهد کرد و از حالت عادی خود خارج می شود. این مسئله ساده خود را در نرمال بودن جامعه آشکار می کند. در چنین حالتی، چون مبنای تصمیم گیری عموما میانگین و سایر شاخصه های مرتبط با میانگین است با فرض انحراف از توزیع نرمال ، تصمیم گیری ها چهره ای منطقی و واقعی نخواهند داشت . بنابراین نرمال بودن توزیع جامعه یکی از اصلی ترین پیش فرض های استفاده از آمار پارامتریک است. برای سنجش فرضیه ها با متغیر های کیفی، آمار ناپارامتریک استفاده می شود. این آزمون ها، که از آن ها با عنوان «آزمون های بدون پیش فرض» نیز یاد می شود، به هیچ پیش فرض خاصی نیاز ندارد. برای مثال قضاوت درباره جنیسیت افراد با میانگین و انحراف معیار مبتنی نیست، بلکه بیشتر فراوانی هر یک از ردههای آن (مونث / مذکر) مد نظر است. در خصوص تبدیل متغیر ها باید یادآور شد که می توان که متغیر های کمی را به کیفی تبدیل نمود و آنها را با آزمون های ناپارامتریک مورد ارزیابی قرار داد، ولی عکس این عمل امکان پذیر نمی باشد برای مثال ، معدل افراد بر اساس نمره می تواند در آزمون های پارامتریک ارزیابی شود، ولی با تبدیل همین متغیر به مقوله های خوب، متوسط و ضعیف می توان آزمون های ناپارامتریک را هم در مورد آن ها به کار گرفت. شایان ذکر است که سطح دقت در آزمون های آماری پارامتریک از آزمون های آماری ناپارامتریک بیشتر است و معمولا پیشنهاد می شود که در صورتی که استفاده از آزمون های پارامتریک امکان پذیر باشد از آزمون های ناپارامتریک استفاده نشود، باید توجه داشت که بیشتر متغیر ها در علوم رفتار ی به کمک آزمون های ناپارامتریک مورد قضاوت قرار می گیرند.
آزمون های آماری ANOVA، Tمستقل و وابسته، تحلیل کواریانس، ضریب همبستگی پیرسون، از جمله آزمونهای آماری پارامتریک هستندکه شهرت بیشتری داشته و مورد استفاده بیشتری دارند. زیرا فرضیههای مربوط به پارامتر جامعه را آزمایش میکنند. آزمونهای پارامتری را میتوان مؤثرترین آزمونها دانست ، اما شرط استفاده از این آزمونها آن است که پیش فرضهای اساسی آنها مراعات شود. این پیش فرضها بر چگونگی توزیع جامعه و بر روش استفاده از مقیاسی که برای بهکمیت در آوردن دادهها بهکار میرود ، مبتنی است.
هر یک از موارد مشاهده شده مستقل است. انتخاب یک مورد به انتخاب هیچ مورد دیگر وابسته نیست.
واریانس نمونه برابر یا تقریباً برابر است. این مطلب هنگامی که حجم نمونه کم باشد از اهمیت خاصی برخوردار است.
توصیف متغیرها براساس مقیاس فاصلهای یا نسبی انجام میگیرد.
خلاصه آزمون های پارامتریک
آزمون T به منظور تفاوت معناداری بین دو میانگین به کار می رود. آزمون T انواع مختلفی دارد که در ادامه به معرفی مختصر هر کدام می پردازیم:
آزمون T تک نمونه :
آزمونT تک نمونه ای زمانی م
ورد استفاده قرار می گیرد که یک نمونه از جامعه داریم و می خواهیم میانگین آن را با یک حالت معمول و رایج استاندارد و یا حتی یک عدد مورد انتظار مقایسه کنیم. در این آزمون فرض بر این است که نمونه ای به حجم N و میانگین Mاز یک جامعه انتخاب کردهایم و می خواهیم بدانیم که آیا می توان این نمونه را یک نمونه تصادفی از جامعه دانست یا خیر؟
به عبارت دیگر برای آزمون فرض پیرامون میانگین یک جامعه استفاده می شود. در بیشتر پژوهش هائی که با مقیاس لیکرت انجام می شوند جهت بررسی فرضیه های پژوهش و تحلیل سوالات تخصصی مربوط به آنها از این آزمون استفاده می شود.
آزمون T وابسته:
در آزمون T وابسته، اعضای نمونه در دو مقطع از زمان مورد بررسی قرار می گیرند. در این آزمون تفاوت میانگین های صفت ارزیابی می شود. برای مثال اگر محقق بخواهد اثر بخشی یک دوره آموزشی را بررسی کند می بایست داده های قبل و بعد از دوره را گرداوری کرده و سپس با استفاده از این آزمون به بررسی تاثیر دوره آموزشی بپردازد. به عبارت دیگر برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می شود. برای مثال اختلاف میانگین رضایت کارکنان یک سازمان قبل و بعد از تغییر مدیریت یا زمانی که نمرات یک کلاس با پیش آزمون و پس آزمون سنجش می شود.
آزمون T مستقل:
جهت مقایسه میانگین دو جامعه استفاده می شود. این آزمون هنگامی به کار می رود که بخواهیم معنی داری تفاوت میانگین یک صفت را در دو نمونۀ تصادفی از دو جامعۀ مستقل مورد بررسی قرار دهیم. در آزمون T برای دو نمونه مستقل فرض می شود واریانس دو جامعه برابر است. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده میشود.
آزمون T ولچ:
این آزمون نیز مانند آزمون T دو نمونه جهت مقایسه میانگین دو جامعه استفاده می شود. در آزمون T ولچ فرض می شود واریانس دو جامعه برابر نیست. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده میشود.
آزمون T هتلینگ:
برای مقایسه چند میانگین از دو جامعه استفاده می شود. یعنی دو جامعه براساس میانگین چندین صفت مقایسه شوند.
تحلیل واریانس (ANOVA):
از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می شود. برای نمونه جهت بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس سن یا تحصیلات در خصوص هر یک از فرضیه های پژوهش استفاده می شود. روشی است که اغلب موارد برای آزمون تفاوتها بین میانگین های سه گروه یا بیشتر به کار می رود، همچنین می تواند در آزمون تفاوتها بین میانگین های دو گروه بکار رود، در این حالت ، ما دقیقا همان اطلاعاتی که آزمون t به ما می داد، بدست می آوریم. موقعی که متغیر مستقل دارای دو سطح یا بیشتر باشد برای مقایسه میانگین های این سطوح معمولا از تحلیل واریانس یکراهه استفاده می شود که بر پایه آن می توان معلوم کرد تفاوت های مشاهده شده بین میانگین ها حاصل شانس است یا نتیجه تاثیر متغیر آزمایشی است. تحلیل واریانس یکراهه را می توان به عنوان گسترش آزمون t مستقل برای آزمون این فرضیه که چند جامعه از لحاظ متغیر مورد مطالعه دارای میانگین های یکسان است درنظر گرفت، در حالی که آزمون t برای دو گروه مستقل را نیز می توان حالت ویژه ای از تحلیل واریانس یکراهه دانست. این دو تکنیک شباهت زیادی با هم دارند. مهمترین شباهت مربوط به مفروضه های این دو روش است. منطق تحلیل واریانس پیدا کردن ۲ برآورد مستقل از پراکندگی است. یکی واریانس حول میانگین های گروه است. این حقیقتا واریانس تفاوتها بین گروههاست. دیگری واریانس درون گروههاست که معین می کند چند نمره بر حسب شانس در متغیر وابسته مورد نظر تغییر می کند.آزمون تحلیل واریانس نسبتی از این دو واریانس است.
تحلیل واریانس چند متغیره(MANOVA):
اغلب اتفاق می افتد زمانی که هدف محقق بررسی بیش از یک متغیر وابسته است، به جای استفاده از روش های چند متغیری هر بار یکی از متغیرهای وابسته را در نظر گرفته و از روش ANOVA برای تحلیل استفاده می نماید. استفاده از این روش می تواند اشکالاتی را به وجود آورد که در ادامه به بیان آن ها می پردازیم :
۱- آزمون های آماری تک متغیری به طور معمول همبستگی متقابل متغیرهای وابسته را نادیده می گیرد. در حالیکه روش MANOVAهمبستگی متقابل بین متغیرهای وابسته را با بررسی ماتریس های واریانس کواریانس در نظر می گیرد.
۲- روش MANOVA محققان را قادر می سازد تا روابط بین متغیرهای وابسته را در هر سطحی از متغیرهای مستقل بررسی کنند.
۳- این روش به شناسایی متغیرهای وابسته با بیشترین توان تفکیک در گروه بندیکمک می کند.
۴- MANOVAبه واسطه توان افزایش یافته در موقعیت چند متغیری می تواند تفاوت های گروهی نامشخص تحت شرایط تحلیل های آما
به عبارت دیگر برای آزمون فرض پیرامون میانگین یک جامعه استفاده می شود. در بیشتر پژوهش هائی که با مقیاس لیکرت انجام می شوند جهت بررسی فرضیه های پژوهش و تحلیل سوالات تخصصی مربوط به آنها از این آزمون استفاده می شود.
آزمون T وابسته:
در آزمون T وابسته، اعضای نمونه در دو مقطع از زمان مورد بررسی قرار می گیرند. در این آزمون تفاوت میانگین های صفت ارزیابی می شود. برای مثال اگر محقق بخواهد اثر بخشی یک دوره آموزشی را بررسی کند می بایست داده های قبل و بعد از دوره را گرداوری کرده و سپس با استفاده از این آزمون به بررسی تاثیر دوره آموزشی بپردازد. به عبارت دیگر برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می شود. برای مثال اختلاف میانگین رضایت کارکنان یک سازمان قبل و بعد از تغییر مدیریت یا زمانی که نمرات یک کلاس با پیش آزمون و پس آزمون سنجش می شود.
آزمون T مستقل:
جهت مقایسه میانگین دو جامعه استفاده می شود. این آزمون هنگامی به کار می رود که بخواهیم معنی داری تفاوت میانگین یک صفت را در دو نمونۀ تصادفی از دو جامعۀ مستقل مورد بررسی قرار دهیم. در آزمون T برای دو نمونه مستقل فرض می شود واریانس دو جامعه برابر است. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده میشود.
آزمون T ولچ:
این آزمون نیز مانند آزمون T دو نمونه جهت مقایسه میانگین دو جامعه استفاده می شود. در آزمون T ولچ فرض می شود واریانس دو جامعه برابر نیست. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه های پژوهش استفاده میشود.
آزمون T هتلینگ:
برای مقایسه چند میانگین از دو جامعه استفاده می شود. یعنی دو جامعه براساس میانگین چندین صفت مقایسه شوند.
تحلیل واریانس (ANOVA):
از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می شود. برای نمونه جهت بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس سن یا تحصیلات در خصوص هر یک از فرضیه های پژوهش استفاده می شود. روشی است که اغلب موارد برای آزمون تفاوتها بین میانگین های سه گروه یا بیشتر به کار می رود، همچنین می تواند در آزمون تفاوتها بین میانگین های دو گروه بکار رود، در این حالت ، ما دقیقا همان اطلاعاتی که آزمون t به ما می داد، بدست می آوریم. موقعی که متغیر مستقل دارای دو سطح یا بیشتر باشد برای مقایسه میانگین های این سطوح معمولا از تحلیل واریانس یکراهه استفاده می شود که بر پایه آن می توان معلوم کرد تفاوت های مشاهده شده بین میانگین ها حاصل شانس است یا نتیجه تاثیر متغیر آزمایشی است. تحلیل واریانس یکراهه را می توان به عنوان گسترش آزمون t مستقل برای آزمون این فرضیه که چند جامعه از لحاظ متغیر مورد مطالعه دارای میانگین های یکسان است درنظر گرفت، در حالی که آزمون t برای دو گروه مستقل را نیز می توان حالت ویژه ای از تحلیل واریانس یکراهه دانست. این دو تکنیک شباهت زیادی با هم دارند. مهمترین شباهت مربوط به مفروضه های این دو روش است. منطق تحلیل واریانس پیدا کردن ۲ برآورد مستقل از پراکندگی است. یکی واریانس حول میانگین های گروه است. این حقیقتا واریانس تفاوتها بین گروههاست. دیگری واریانس درون گروههاست که معین می کند چند نمره بر حسب شانس در متغیر وابسته مورد نظر تغییر می کند.آزمون تحلیل واریانس نسبتی از این دو واریانس است.
تحلیل واریانس چند متغیره(MANOVA):
اغلب اتفاق می افتد زمانی که هدف محقق بررسی بیش از یک متغیر وابسته است، به جای استفاده از روش های چند متغیری هر بار یکی از متغیرهای وابسته را در نظر گرفته و از روش ANOVA برای تحلیل استفاده می نماید. استفاده از این روش می تواند اشکالاتی را به وجود آورد که در ادامه به بیان آن ها می پردازیم :
۱- آزمون های آماری تک متغیری به طور معمول همبستگی متقابل متغیرهای وابسته را نادیده می گیرد. در حالیکه روش MANOVAهمبستگی متقابل بین متغیرهای وابسته را با بررسی ماتریس های واریانس کواریانس در نظر می گیرد.
۲- روش MANOVA محققان را قادر می سازد تا روابط بین متغیرهای وابسته را در هر سطحی از متغیرهای مستقل بررسی کنند.
۳- این روش به شناسایی متغیرهای وابسته با بیشترین توان تفکیک در گروه بندیکمک می کند.
۴- MANOVAبه واسطه توان افزایش یافته در موقعیت چند متغیری می تواند تفاوت های گروهی نامشخص تحت شرایط تحلیل های آما
ری تک متغیری را آشکار نماید.
۵- روش MANOVA سطح آلفای کلی یا میزان خطای نوع اول (یعنی احتمال این که فرض صفر درست بوده و به اشتباه رد شود)را کنترل می کند. برای مثال اگر بخواهیم تفاوت های جنسیتی(متغیر مستقل) را با چهار متغیر وابسته رضایت شغلی (پرداخت، مزایا، همکاران و محل کار) بررسی کنیم و برای این کار از چهار آزمون جداگانه t و یا روش ANOVA استفاده نماییم، با سطح خطای ۵% برای هر آزمون با خطای نوع اول برابر ۰٫۰۵۴ مواجه خواهیم شد. در این حالات استفاده از روش MANOVA این مشکل را برطرف می کند.
تحلیل کوواریانس (ANCOVA):
استفاده از متغیر کوواریانس شرایطی دارد که می توان آن را به شرح ذیل خلاصه کرد: ۱- زمانی که یک یا چند متغیر خارجی مزاحم وجود دارد که در متغیر وابسته اثر می گذارد. ۲- این متغیر مزاحم قابل اندازه گیری در مقیاس فاصله ای یا نسبی باشد. ۳- بین متغیر یا متغیرهای مزاحم و متغیرهای وابسته رابطه وجود داشته باشد. ۴- کنترل تجربی متغیرهای مزاحم خارجی امکان پذیر نباشد. اگر در این شرایط قرار نباشد تعدیلی که در متغیر وابسته از طریق کنترل عوامل مزاحم بدست می آید درنظر گرفته شود، نتیجه به دست آمده صحیح نخواهد بود زیرا برخی اثرات قابل استناد، از متغیر وابسته حذف خواهد شد.
تحلیل کوواریانس چند متغیره (MANCOVA):
چنانچه در MANOVA بخواهیم اثر یک یا چند متغیر کمکی را حذف کنیم از تحلیل کوواریانس چندمتغیره استفاده می شود.
ضریب همبستگی گشتاوری پیرسون:
ضریب همبستگی پیرسون از روشهای پرکاربرد جهت تعیین میزان رابطه بین دو متغیر محسوب می گردیده و با علامتr نمایش داده می شود. این ضریب به منظور بررسی رابطه بین دو متغیر فاصله ای یا نسبی مورد استفاده قرار می گیرد و مقدار آن همواره بین ۱- و ۱+ در نوسان است. چنانچه مقدار به دست آمده مثبت باشد به معنای این است که تغییرات در هر دو متغییر بطور هم جهت اتفاق می افتد. به عبارت دیگر با هر گونه افزایش در مقدار یک متغیر، مقدار متغیر دیگر نیز افزایش پیدا می کند و بر عکس. اما چنانچه مقدار r منفی باشد بیانگر این نکته است که دو متغیر در جهت عکس همدیگر حرکت می کنند. یعنی با افزایش یک متغیر، مقادیر متغیر دیگر کاهش می یابد و بر عکس. اگر مقدار به دست آمده برای ضریب همبستگی صفر باشد به معنای این است که هیچگونه رابطه ای بین دو متغیر وجود ندارد. اگر مقدار r دقیقا برابر +۱ باشد بیانگر همبستگی مثبت کامل و اگر برابر ۱- باشد نشان دهنده همبستگی کامل منفی بین دو متغیر است.
۵- روش MANOVA سطح آلفای کلی یا میزان خطای نوع اول (یعنی احتمال این که فرض صفر درست بوده و به اشتباه رد شود)را کنترل می کند. برای مثال اگر بخواهیم تفاوت های جنسیتی(متغیر مستقل) را با چهار متغیر وابسته رضایت شغلی (پرداخت، مزایا، همکاران و محل کار) بررسی کنیم و برای این کار از چهار آزمون جداگانه t و یا روش ANOVA استفاده نماییم، با سطح خطای ۵% برای هر آزمون با خطای نوع اول برابر ۰٫۰۵۴ مواجه خواهیم شد. در این حالات استفاده از روش MANOVA این مشکل را برطرف می کند.
تحلیل کوواریانس (ANCOVA):
استفاده از متغیر کوواریانس شرایطی دارد که می توان آن را به شرح ذیل خلاصه کرد: ۱- زمانی که یک یا چند متغیر خارجی مزاحم وجود دارد که در متغیر وابسته اثر می گذارد. ۲- این متغیر مزاحم قابل اندازه گیری در مقیاس فاصله ای یا نسبی باشد. ۳- بین متغیر یا متغیرهای مزاحم و متغیرهای وابسته رابطه وجود داشته باشد. ۴- کنترل تجربی متغیرهای مزاحم خارجی امکان پذیر نباشد. اگر در این شرایط قرار نباشد تعدیلی که در متغیر وابسته از طریق کنترل عوامل مزاحم بدست می آید درنظر گرفته شود، نتیجه به دست آمده صحیح نخواهد بود زیرا برخی اثرات قابل استناد، از متغیر وابسته حذف خواهد شد.
تحلیل کوواریانس چند متغیره (MANCOVA):
چنانچه در MANOVA بخواهیم اثر یک یا چند متغیر کمکی را حذف کنیم از تحلیل کوواریانس چندمتغیره استفاده می شود.
ضریب همبستگی گشتاوری پیرسون:
ضریب همبستگی پیرسون از روشهای پرکاربرد جهت تعیین میزان رابطه بین دو متغیر محسوب می گردیده و با علامتr نمایش داده می شود. این ضریب به منظور بررسی رابطه بین دو متغیر فاصله ای یا نسبی مورد استفاده قرار می گیرد و مقدار آن همواره بین ۱- و ۱+ در نوسان است. چنانچه مقدار به دست آمده مثبت باشد به معنای این است که تغییرات در هر دو متغییر بطور هم جهت اتفاق می افتد. به عبارت دیگر با هر گونه افزایش در مقدار یک متغیر، مقدار متغیر دیگر نیز افزایش پیدا می کند و بر عکس. اما چنانچه مقدار r منفی باشد بیانگر این نکته است که دو متغیر در جهت عکس همدیگر حرکت می کنند. یعنی با افزایش یک متغیر، مقادیر متغیر دیگر کاهش می یابد و بر عکس. اگر مقدار به دست آمده برای ضریب همبستگی صفر باشد به معنای این است که هیچگونه رابطه ای بین دو متغیر وجود ندارد. اگر مقدار r دقیقا برابر +۱ باشد بیانگر همبستگی مثبت کامل و اگر برابر ۱- باشد نشان دهنده همبستگی کامل منفی بین دو متغیر است.
لیست کامل ژورنال های ایندکس پابمد ۲۰۱۴
مهمترین ابزار برای جستجوی پایگاه دادههای آزاد (دیتابیس) مدلاین است، که حاوی اطلاعات بیبلیوگرافی پژوهشی برای تمام رشتهای علوم پزشکی و زیستشناسی است. این دیتابیس تا سال ۲۰۰۸ حاوی ۱۷ میلیون عنوان بود که قدیمیترین آنها به سال ۱۸۶۵ باز میگردد(Yearly Citation Totals ,from2008).
پابمد مجموعهای از اطلاعات کیفی مرکز ملی اطلاعات زیستفناوری و سایر نهادهای و سازمانهای دولتی حوزه سلامت ایالات متحده آمریکا است ( Hooman H. Rashidi, Lukas K. Buehler,2000) این دیتابیس بطور رایگان برای جهانیان قابل دسترس است.
لذا موسسه ایران مشاور به جهت فراهم سازی امکان استفاده پژوهشگران داخلی از طریق یکی از رابط های خود در ژورنال های بین المللی لیست کامل مجلات نمایه شده در پایگاه پابمد را در قالب فایل وورد به دست آورده و برای اولین بار در این سایت به اشتراک گذاشته است.
استفاده از این فایل با ذکر لینک منبع مجاز می باشد. لطفا به جهت قدردانی از زحمات همکاران ما در جهت فراهم سازی اطلاعات و امکانات مفید آموزشی و پژوهشی به شما عزیزان، بر روی آیکن گوگل پلاس سایت یکبار کلیک کنید. سپاس فراوان
برای دریافت فایل زیپ شده لیست کامل ژورنالهای نمایه شده در ایندکس پابمد PubMed بر لینک زیر کلیک کنید:
مهمترین ابزار برای جستجوی پایگاه دادههای آزاد (دیتابیس) مدلاین است، که حاوی اطلاعات بیبلیوگرافی پژوهشی برای تمام رشتهای علوم پزشکی و زیستشناسی است. این دیتابیس تا سال ۲۰۰۸ حاوی ۱۷ میلیون عنوان بود که قدیمیترین آنها به سال ۱۸۶۵ باز میگردد(Yearly Citation Totals ,from2008).
پابمد مجموعهای از اطلاعات کیفی مرکز ملی اطلاعات زیستفناوری و سایر نهادهای و سازمانهای دولتی حوزه سلامت ایالات متحده آمریکا است ( Hooman H. Rashidi, Lukas K. Buehler,2000) این دیتابیس بطور رایگان برای جهانیان قابل دسترس است.
لذا موسسه ایران مشاور به جهت فراهم سازی امکان استفاده پژوهشگران داخلی از طریق یکی از رابط های خود در ژورنال های بین المللی لیست کامل مجلات نمایه شده در پایگاه پابمد را در قالب فایل وورد به دست آورده و برای اولین بار در این سایت به اشتراک گذاشته است.
استفاده از این فایل با ذکر لینک منبع مجاز می باشد. لطفا به جهت قدردانی از زحمات همکاران ما در جهت فراهم سازی اطلاعات و امکانات مفید آموزشی و پژوهشی به شما عزیزان، بر روی آیکن گوگل پلاس سایت یکبار کلیک کنید. سپاس فراوان
برای دریافت فایل زیپ شده لیست کامل ژورنالهای نمایه شده در ایندکس پابمد PubMed بر لینک زیر کلیک کنید:
بررسی اعتبار ژورنال های ISC و ISI
پایگاه های معتبر بین المللی ISI, ISC – SCOPUS و PubMed به عنوان یکی از اهداف اصلی خود به طور مداوم به بررسی اعتبار ژورنال های ثبت شده در نمایه های خود می پردازند. این پایگاه ها معمولا مجلاتی را مورد پذیرش قرار می دهد که از استانداردهای مشخص آن پایگاه تبعیت می کنند. قطعا هر گاه ژورنالی از این استانداردها تخطی کند از لیست نمایه سازی خارج خواهد شد. در سال های اخیر نیز برخی از مجلات به دلیل عدم رعایت استانداردهای لازم از لیست اصلی ISI, ISC و SCOPUS اخراج شده اند. این مسئله کار پژوهشگران را در انتخاب ژورنال های با ایندکس بین المللی معتبر دشوار ساخته است. به طوری که بسیاری از پژوهشگران و دانشجویان بعد از نگارش مقاله انرژی زیادی را صرف بررسی اعتبار ژورنال های می کنند و گاها به دلیل تخصصی بودن بررسی اعتبار ژورنال ها به نتیجه ممکن نمی رسند. آخرین بلک لیست ژورنال های وزارت علوم، تحقیقات و فناوری http://www.msrt.ir/fa/rppc/Pages/Files/InvalidForeignPublications.aspx
پایگاه های معتبر بین المللی ISI, ISC – SCOPUS و PubMed به عنوان یکی از اهداف اصلی خود به طور مداوم به بررسی اعتبار ژورنال های ثبت شده در نمایه های خود می پردازند. این پایگاه ها معمولا مجلاتی را مورد پذیرش قرار می دهد که از استانداردهای مشخص آن پایگاه تبعیت می کنند. قطعا هر گاه ژورنالی از این استانداردها تخطی کند از لیست نمایه سازی خارج خواهد شد. در سال های اخیر نیز برخی از مجلات به دلیل عدم رعایت استانداردهای لازم از لیست اصلی ISI, ISC و SCOPUS اخراج شده اند. این مسئله کار پژوهشگران را در انتخاب ژورنال های با ایندکس بین المللی معتبر دشوار ساخته است. به طوری که بسیاری از پژوهشگران و دانشجویان بعد از نگارش مقاله انرژی زیادی را صرف بررسی اعتبار ژورنال های می کنند و گاها به دلیل تخصصی بودن بررسی اعتبار ژورنال ها به نتیجه ممکن نمی رسند. آخرین بلک لیست ژورنال های وزارت علوم، تحقیقات و فناوری http://www.msrt.ir/fa/rppc/Pages/Files/InvalidForeignPublications.aspx
ORCID یا
Open Researcher and contributor ID چیست؟
شاید شما هم در هنگام ارسال مقاله به برخی از ژورنال ها با این عبارت برخورد کرده اید. ORCID یک کد شامل حروف و اعداد (۱۶کارکتر) می باشد که به یک نویسنده به صورت انحصاری تعلق می گیرد و از این نظر شبیه کد DOI می باشد. (با این تفاوت که doi صرفا برای مقاله تخصیص می یابد). در ۱۶ اکتبر ۲۰۱۲، سازمان ارکید این سرویس را که به صورت رایگان نیز قابل دسترس است ارائه نمود.هدف از ارایه این سرویس فراهم کردن شناسه مشخص برای هر نویسنده آزاد می باشد. در واقع در این سرویس نویسندگان می توانند رزومه علمی خود را به ثبت برسانند و به جای ارسال رزومه به جاهای مختلف کافی است کد ORCID خود را ارسال کنند. افراد، داوران و ژورنال های مختلف با این کد می توانند وارد صفحه نویسنده شده و رزومه ، تجارب و توانمندی های او را مشاهده نمایند. از اینجا (http://orcid.org/) می توانید این کد را برای خود بگیرید.
نویسنده آزاد کسی است که وابستگی سازمانی به دانشگاه، پژوهشکده یا موسسات آموزشی نداشته و یا پایگاه اختصاصی مانند ارکیده توسط سازمان مربوطه برایشان در نظر گرفته نشده باشد.
همچنین امکان تبادل اطلاعات بین کد ارکید با کد researcher id نیز وجود دارد. researcher id نیز سیستمی مشابه ارکید است که توسط تامسون رویترز راه اندازی شده است (از ژانویه ی ۲۰۰۸) این تبادل می تواند در زمینه ی اطلاعات پروفایل و یا انتشارات موجود در پروفایل مربوط به هر کدام از این سرویس ها باشد.
در مورد مقایسه این دو کد باید گفت که هر دو دائمی هستند و برای نویسنده یک پروفایل ایجاد می کنند که نویسنده می تواند انتشارات خود را به آن بیافزاید. اما برخلاف ارکید، researcher id این مزیت را نیز دارد که بتواند سایتیشن های فرد را نیز محاسبه کند. researcher id را نیز می توانید از اینجا (http://www.researcherid.com/) بگیرید دقت داشته باشید که با همین یوزر و پسورد برای این کد می توانید به اند نوت آنلاین خود (از محصولات تامسون رویترز) نیز دسترسی داشته باشید.
با وجود این کد ها، خیلی از مشکلات مربوط به نام نویسندگان مقالات به شکل های مختلف و در ژورنال های مختلف و تاثیرات بعدی آن در محاسبه ی تعداد مقالات فرد نویسنده و یا سایتیشن های آن فرد حل می شود.
Open Researcher and contributor ID چیست؟
شاید شما هم در هنگام ارسال مقاله به برخی از ژورنال ها با این عبارت برخورد کرده اید. ORCID یک کد شامل حروف و اعداد (۱۶کارکتر) می باشد که به یک نویسنده به صورت انحصاری تعلق می گیرد و از این نظر شبیه کد DOI می باشد. (با این تفاوت که doi صرفا برای مقاله تخصیص می یابد). در ۱۶ اکتبر ۲۰۱۲، سازمان ارکید این سرویس را که به صورت رایگان نیز قابل دسترس است ارائه نمود.هدف از ارایه این سرویس فراهم کردن شناسه مشخص برای هر نویسنده آزاد می باشد. در واقع در این سرویس نویسندگان می توانند رزومه علمی خود را به ثبت برسانند و به جای ارسال رزومه به جاهای مختلف کافی است کد ORCID خود را ارسال کنند. افراد، داوران و ژورنال های مختلف با این کد می توانند وارد صفحه نویسنده شده و رزومه ، تجارب و توانمندی های او را مشاهده نمایند. از اینجا (http://orcid.org/) می توانید این کد را برای خود بگیرید.
نویسنده آزاد کسی است که وابستگی سازمانی به دانشگاه، پژوهشکده یا موسسات آموزشی نداشته و یا پایگاه اختصاصی مانند ارکیده توسط سازمان مربوطه برایشان در نظر گرفته نشده باشد.
همچنین امکان تبادل اطلاعات بین کد ارکید با کد researcher id نیز وجود دارد. researcher id نیز سیستمی مشابه ارکید است که توسط تامسون رویترز راه اندازی شده است (از ژانویه ی ۲۰۰۸) این تبادل می تواند در زمینه ی اطلاعات پروفایل و یا انتشارات موجود در پروفایل مربوط به هر کدام از این سرویس ها باشد.
در مورد مقایسه این دو کد باید گفت که هر دو دائمی هستند و برای نویسنده یک پروفایل ایجاد می کنند که نویسنده می تواند انتشارات خود را به آن بیافزاید. اما برخلاف ارکید، researcher id این مزیت را نیز دارد که بتواند سایتیشن های فرد را نیز محاسبه کند. researcher id را نیز می توانید از اینجا (http://www.researcherid.com/) بگیرید دقت داشته باشید که با همین یوزر و پسورد برای این کد می توانید به اند نوت آنلاین خود (از محصولات تامسون رویترز) نیز دسترسی داشته باشید.
با وجود این کد ها، خیلی از مشکلات مربوط به نام نویسندگان مقالات به شکل های مختلف و در ژورنال های مختلف و تاثیرات بعدی آن در محاسبه ی تعداد مقالات فرد نویسنده و یا سایتیشن های آن فرد حل می شود.
همان طور که میدونید تنها کانالی هستیم که هیچ گونه تبلیغاتی نداریم و تنها با کمک شما عزیزان هست که میتونیم مطالبمون رو به دست دوستان بیشتری برسونیم ، پس از تک تک شما خواهشمندیم که این کانال رو به دوستانتون معرفی کنیم . لینک عضویت در کانال ما @isiwebofknowledge روی این عبارت کلیک کنید و سپس گزینه ی join را انتخاب کنید،
چرا دستیار پژوهش (RA) شویم؟
جدا از هیجان تولید دانش جدید، کمک به یک استاد در امر تحقیق، فرصت های ارزشمند دیگری را فراهم می کند که عبارتند از:
- کسب مهارت ها و دانشی که در فضای کلاس به راحتی به دست نمی آید.
- همکاری فرد با فرد با یکی از اعضای هیئت علمی.
- قرار گرفتن در معرض تکنیک های تحقیقاتی که به تکمیل پایان نامه ی ارشد و دکتری کمک می کند.
- تمرینِ نوشتن و صحبت کردن در جمع با ارائه ی مقاله به کنفرانس های بین المللی و مجلات علمی.
- ایجاد و بسط یک رابطه ی علمی و حرفه ای قوی با یکی از اعضای هیئت علمی، و نهایتا
- دریافت توصیه نامه های برجسته.
صرف نظر از اینکه شما حضور در مقطع فوق لیسانس را انتخاب می کنید یا نه، درگیر شدن در تحقیق تجربه ای ارزنده است؛ زیرا با ایجاد فرصتی برای فکر کردن، مرتب کردن اطلاعات و حل کردن مسائل و نشان دادن تعهد خود، قابلیت اطمینان و ظرفیت برای تحقیق را ایجاد می کند.
یک دستیار پژوهش چه کارهایی انجام می دهد؟
وظیفه ی شما بسته به عضو هیئت علمی، پروژه و قوانین حاکم تفاوت می کند. بعضی از دستیاران ممکن است نظرسنجی ها را مدیریت کنند، به حفظ و راه اندازی تجهیزات آزمایشگاه و یا به مراقبت از حیوانات بپردازند، افراد دیگری ممکن است داده ها را کد گذاری کرده و وارد نمایند، فتوکپی بگیرند یا گزارشاتی بنویسند. به عنوان دستیار پژوهشی انتظار تعدادی از وظایف ذیل از شما خواهد رفت:
- جمع آوری داده با استفاده از مدیریت کردن نظرخواهی ها، مصاحبه ها یا انجام پژوهش،
- امتیاز دهی، کد گذاری و وارد کردن داده ها و یا کار با برنامه های تجزیه و تحلیل آماری،
- انجام تحقیقات عمومی کتابخانه شامل تحقیقات ادبی، کپی گرفتن از مقالات، سفارش مقالات و کتاب هایی که موجود نیستند از طریق امانت بین کتابخانه ای،
- توسعه ی ایده های پژوهشی جدید،
- استفاده از مهارت های کامپیوتری مانند پردازش کلمه،برنامه های تجزیه و تحلیل آماری، و کار با انواع نرم افزارهای مرتبط،
- کمک در تهیه مقاله برای ارسال به کنفرانس های منطقه ای و بین المللی و در صورت پذیرش، کار بر روی پوستر یا ارائه ی شفاهی در کنفرانس،
- همکاری با هیئت علمی در تهیه ی ژورنال برای ارائه ی نتایج حاصل از تحقیقات مشترک خود به یک مجله ی علمی
حال که شما در مورد ارزش تجربه ی پژوهشی برای درخواست تحصیلات تکمیلی قانع شده اید، اکنون می خواهیم به این سوال پاسخ دهیم که چگونه می توان به عنوان یک دستیار پژوهشی وارد کار شد.
چگونه به عنوان یک دستیار پژوهشی مشغول به کار شویم؟
مهمتر از همه چیز باید در کلاس عملکرد خوبی داشته باشید، با انگیزه بوده و خود را مشتاق فعالیت های پژوهشی اساتید خود نشان دهید و در ضمن در دپارتمان خود قابل رویت باشید. به اساتید خود اجازه دهید بدانند که شما مشتاق شرکت در تحقیق هستید و در مورد کسانی که ممکن است به دنبال دستیار پژوهشی باشند سئوال کنید. هنگامی که یکی از اعضای هیئت علمی را که در جست و جوی دستیار پژوهشی می باشد یافتید، به دقت و صادقانه هر آنچه را که می توانید ارائه دهید توضیح دهید (مهارت های راجع به کامپیوتر، اینترنت، آمار و تعداد ساعاتی که می توانید در هفته وقت بگذارید). اجازه دهید آن عضو هیئت علمی بداند که شما مشتاق آن هستید که سخت کار کنید (البته اگر هستید!). در مورد الزامات خاص سئوال کنید. مثلا در مورد مدت زمان پروژه، اینکه مسئولیت هایتان چه خواهد بود و مدت تعهد (یک ترم یا یک سال؟). به یاد داشته باشید هرچند ممکن است شما کسی را پیدا نکنید که روی پروژه ای که برای شما جذاب است کار کند، با کار بر روی پروژه ای متفاوت از آنچه در ذهن داشته اید هم می توانید تجارب خوبی کسب کنید. به علاوه، علایق شما به احتمال زیاد با کسب تجربه و دانش بیشتر، تغییر خواهد کرد.
مزایای تحقیق برای اساتید
اکنون شما یه این نکته آگاهید که شرکت در تحقیق مزایای زیادی دارد. آیا می دانستید که این امر برای اساتید نیز مزایایی دارد؟ آن ها یک دانشجوی سخت کوش پیدا می کنند تا برخی از قسمت های پُرکارِ تحقیق را انجام دهد. اساتید عموما برای پیش بردن برنامه های تحقیق خود به دانشجویان وابسته هستند. بسیاری از آنان ایده هایی در مورد تحقیقات دارند اما زمانی برای اجرای آن ندارند؛ دانشجویان با انگیزه می توانند پروژه ها را به عهده گرفته و کمک کنند که برنامه های تحقیقاتی اساتید جلو رود. اگر شما رابطه ای را با عضوی از هیئت علمی توسعه دهید، احتمالا قادر خواهید بود به آن شخص کمک کنید تا پروژه ای را پیش ببرد که در غیر آنصورت به علت عدم وجود وقت کافی کنار گذاشته می شد. درگیر شدن دانشجویان کارشناسی در پژوهش نیز این امکان را برای عضو هیئت علمی فراهم می کند تا شاهد رشد حرفه ای دانشجویش باشد که این امر می تواند بسیار پر ارزش تلقی شود.
همانطور که مشاهده می کنید، رابطه ی استاد-دانشجو در امر تحقیق، مزایایی برای هر دو طرف دارد؛ هرچند که تعهد بر
جدا از هیجان تولید دانش جدید، کمک به یک استاد در امر تحقیق، فرصت های ارزشمند دیگری را فراهم می کند که عبارتند از:
- کسب مهارت ها و دانشی که در فضای کلاس به راحتی به دست نمی آید.
- همکاری فرد با فرد با یکی از اعضای هیئت علمی.
- قرار گرفتن در معرض تکنیک های تحقیقاتی که به تکمیل پایان نامه ی ارشد و دکتری کمک می کند.
- تمرینِ نوشتن و صحبت کردن در جمع با ارائه ی مقاله به کنفرانس های بین المللی و مجلات علمی.
- ایجاد و بسط یک رابطه ی علمی و حرفه ای قوی با یکی از اعضای هیئت علمی، و نهایتا
- دریافت توصیه نامه های برجسته.
صرف نظر از اینکه شما حضور در مقطع فوق لیسانس را انتخاب می کنید یا نه، درگیر شدن در تحقیق تجربه ای ارزنده است؛ زیرا با ایجاد فرصتی برای فکر کردن، مرتب کردن اطلاعات و حل کردن مسائل و نشان دادن تعهد خود، قابلیت اطمینان و ظرفیت برای تحقیق را ایجاد می کند.
یک دستیار پژوهش چه کارهایی انجام می دهد؟
وظیفه ی شما بسته به عضو هیئت علمی، پروژه و قوانین حاکم تفاوت می کند. بعضی از دستیاران ممکن است نظرسنجی ها را مدیریت کنند، به حفظ و راه اندازی تجهیزات آزمایشگاه و یا به مراقبت از حیوانات بپردازند، افراد دیگری ممکن است داده ها را کد گذاری کرده و وارد نمایند، فتوکپی بگیرند یا گزارشاتی بنویسند. به عنوان دستیار پژوهشی انتظار تعدادی از وظایف ذیل از شما خواهد رفت:
- جمع آوری داده با استفاده از مدیریت کردن نظرخواهی ها، مصاحبه ها یا انجام پژوهش،
- امتیاز دهی، کد گذاری و وارد کردن داده ها و یا کار با برنامه های تجزیه و تحلیل آماری،
- انجام تحقیقات عمومی کتابخانه شامل تحقیقات ادبی، کپی گرفتن از مقالات، سفارش مقالات و کتاب هایی که موجود نیستند از طریق امانت بین کتابخانه ای،
- توسعه ی ایده های پژوهشی جدید،
- استفاده از مهارت های کامپیوتری مانند پردازش کلمه،برنامه های تجزیه و تحلیل آماری، و کار با انواع نرم افزارهای مرتبط،
- کمک در تهیه مقاله برای ارسال به کنفرانس های منطقه ای و بین المللی و در صورت پذیرش، کار بر روی پوستر یا ارائه ی شفاهی در کنفرانس،
- همکاری با هیئت علمی در تهیه ی ژورنال برای ارائه ی نتایج حاصل از تحقیقات مشترک خود به یک مجله ی علمی
حال که شما در مورد ارزش تجربه ی پژوهشی برای درخواست تحصیلات تکمیلی قانع شده اید، اکنون می خواهیم به این سوال پاسخ دهیم که چگونه می توان به عنوان یک دستیار پژوهشی وارد کار شد.
چگونه به عنوان یک دستیار پژوهشی مشغول به کار شویم؟
مهمتر از همه چیز باید در کلاس عملکرد خوبی داشته باشید، با انگیزه بوده و خود را مشتاق فعالیت های پژوهشی اساتید خود نشان دهید و در ضمن در دپارتمان خود قابل رویت باشید. به اساتید خود اجازه دهید بدانند که شما مشتاق شرکت در تحقیق هستید و در مورد کسانی که ممکن است به دنبال دستیار پژوهشی باشند سئوال کنید. هنگامی که یکی از اعضای هیئت علمی را که در جست و جوی دستیار پژوهشی می باشد یافتید، به دقت و صادقانه هر آنچه را که می توانید ارائه دهید توضیح دهید (مهارت های راجع به کامپیوتر، اینترنت، آمار و تعداد ساعاتی که می توانید در هفته وقت بگذارید). اجازه دهید آن عضو هیئت علمی بداند که شما مشتاق آن هستید که سخت کار کنید (البته اگر هستید!). در مورد الزامات خاص سئوال کنید. مثلا در مورد مدت زمان پروژه، اینکه مسئولیت هایتان چه خواهد بود و مدت تعهد (یک ترم یا یک سال؟). به یاد داشته باشید هرچند ممکن است شما کسی را پیدا نکنید که روی پروژه ای که برای شما جذاب است کار کند، با کار بر روی پروژه ای متفاوت از آنچه در ذهن داشته اید هم می توانید تجارب خوبی کسب کنید. به علاوه، علایق شما به احتمال زیاد با کسب تجربه و دانش بیشتر، تغییر خواهد کرد.
مزایای تحقیق برای اساتید
اکنون شما یه این نکته آگاهید که شرکت در تحقیق مزایای زیادی دارد. آیا می دانستید که این امر برای اساتید نیز مزایایی دارد؟ آن ها یک دانشجوی سخت کوش پیدا می کنند تا برخی از قسمت های پُرکارِ تحقیق را انجام دهد. اساتید عموما برای پیش بردن برنامه های تحقیق خود به دانشجویان وابسته هستند. بسیاری از آنان ایده هایی در مورد تحقیقات دارند اما زمانی برای اجرای آن ندارند؛ دانشجویان با انگیزه می توانند پروژه ها را به عهده گرفته و کمک کنند که برنامه های تحقیقاتی اساتید جلو رود. اگر شما رابطه ای را با عضوی از هیئت علمی توسعه دهید، احتمالا قادر خواهید بود به آن شخص کمک کنید تا پروژه ای را پیش ببرد که در غیر آنصورت به علت عدم وجود وقت کافی کنار گذاشته می شد. درگیر شدن دانشجویان کارشناسی در پژوهش نیز این امکان را برای عضو هیئت علمی فراهم می کند تا شاهد رشد حرفه ای دانشجویش باشد که این امر می تواند بسیار پر ارزش تلقی شود.
همانطور که مشاهده می کنید، رابطه ی استاد-دانشجو در امر تحقیق، مزایایی برای هر دو طرف دارد؛ هرچند که تعهد بر
ای دستیار پژوهش شدن، تعهد بزرگی است: این مسئولیت شماست که اطمینان حاصل کنید تمامی وجوه پروژه ی تحقیقاتی به انجام رسیده است. عضو مزبور هیئت علمی برای درست انجام شدن وجوه، روی شما حساب خواهد کرد. عملکرد شما در این مرحله می تواند باعث شود که اعضای هیئت علمی در توصیه نامه هایتان موارد خوب زیادی بنویسند. اگر شما وظایف را با شایستگی به اتمام برسانید، احتمالا از شما درخواست می شود که مسئولیت های بیشتری بپذیرید و توصیه نامه هایی عالی دریافت خواهید کرد. در هر حال، فقط در صورتی که شما کار خود را بطور مداوم به شایستگی انجام دهید، هدایت پروژه از طرف عضو هیئت علمی، نتیجه ی مثبتی خواهد داشت. اگر شما این تعهد را جدی نگیرید، غیر قابل اعتماد باشید یا مرتکب اشتباه های تکراری شوید، رابطه ی شما با هیئت علمی نابود خواهد شد (و همچنین توصیه نامه هایتان). اگر تصمیم دارید با عضوی از هیئت علمی روی تحقیقش کار کنید، این موضوع را به عنوان اولویت در لیست مسئولیت های خود در نظر بگیرید و پاداش ها را درو کنید!